1. 根据智能驾驶行车泊车训练数据需求，基于视觉 / 点云模态，训练2D / 3D目标检测、OCC占用网络感知模型，支撑数据自动标注流水线的高效运转。 2. 基于视觉 / 点云模态，训练并优化高精度地图自动标注模型（含车道线、交通标志、路沿等矢量要素），提升标注精度与召回率。 3. 负责数据自动标注模型的持续迭代优化，包括模型蒸馏、量化、剪枝等轻量化方案，适配车端嵌入式推理需求。 4. 负责数据前处理（去畸变、时序对齐、多传感器融合）与后处理（格式转换、质量过滤、异常检测）模块开发。 5. 负责场景挖掘模型优化，基于主动学习、半监督学习策略，从海量路测数据中自动发现高价值Corner Case，降低人工标注成本。 6. 推动技术成果转化为业务价值，建立可复用的模型训练基线（Baseline）与评估Benchmark，支撑多车型数据闭环项目的快速复制。

1. 学历与专业：硕士及以上学历，计算机视觉、人工智能、Robotics、车辆工程、自动化等相关专业。 2. 经验要求：5年以上自动驾驶或AI数据领域相关经验，完整主导或深度参与过大规模自动驾驶数据集构建、自动化标注或数据闭环系统建设项目；有量产自动驾驶项目数据闭环落地经验者优先。 3. 核心技术能力：精通Python，熟悉OpenCV、PCL等计算机视觉 / 点云处理库，具备扎实的数据结构与算法基础。 4. 深刻理解自动驾驶系统（尤其是感知模块）及常见传感器（摄像头、激光雷达、毫米波雷达、GNSS / IMU）原理与数据特性。 5. 熟悉数据标注行业规范、常见自动驾驶数据集（nuScenes、Waymo、KITTI等）及相关工具（Label Studio、CVAT等）。 6. 具备计算机2D / 3D视觉、点云感知、BEV感知、OCC占用网络、Transformer网络等技术背景与实践经验。 7. 熟悉主流深度学习框架（PyTorch / TensorFlow），掌握模型训练、调优、部署全流程，了解TensorRT、ONNX Runtime等推理优化工具。 8. 了解VLM（视觉语言模型）多模态大语言模型前沿进展，能够使用开源VLM模型解决实际问题者优先。 9. 工程实践能力：具备优秀的工程化能力，能够将算法方案转化为稳定、高效的数据处理服务；有自动驾驶数据自动标注相关从业经验者优先。 10. 综合素质：具备优秀的问题分析与解决能力，责任心强，具有良好的团队协作精神与跨部门沟通能力。